摘要：針對互聯網氣象服務手段與產品千篇一律現狀，提出了基于CRAP架構的系統設計，將信息采集、云庫集成、分析系統與主動推送融合為一體提升氣象服務能力，系統依托天氣羅盤及智慧氣象等浙江省氣象局的服務平臺和出口積累的用戶行為數據，挖掘用戶訪問量、訪問偏好和訪問時長等信息，結合用戶畫像分析方案得出規律性特征，指導氣象服務信息技術開發策略和氣象服務產品研發，最終實現氣象服務產品個性化無感推送。經實驗和應用表明，利用基于用戶畫像的氣象服務系統較好地提升了用戶體驗，為互聯網式的氣象服務向智能化、智慧化氣象服務發展提供了參考。

　　關鍵詞：用戶畫像;氣象服務;CR AP;個性化;無感推送;智能

　　引言

　　隨著互聯網氣象服務發展，氣象產品趨同態勢嚴重[1-3]，用戶體驗感下滑，氣象服務與用戶需求不一致導致矛盾進一步加劇，如何掌握用戶對氣象信息的個性化需求成為公眾氣象服務的一大痛點[4-8]。

　　本文提出了基于CRAP架構(Collection信息采集+RDS云庫集成+Analysis分析系統+Push-Service主動推送服務)，對浙江氣象服務出口采集氣象用戶行為信息進行分析，完成靶向氣象服務產品自動化加工，最終再次通過服務出口實現個性化主動智能推送服務的方案。解決了分眾場景不同用戶對氣象服務產品的具體需求，實現氣象服務由用戶主動獲取氣象信息變為感知用戶需求，智能推送個性化氣象信息，有效提升了用戶的體驗感。

　　1系統設計

　　1.1用戶行為采集系統

　　用戶行為采集系統即CRAP架構中的Collection，本文針對天氣羅盤、智慧氣象[9]等浙江省氣象局服務平臺和出口的大量用戶日常使用偏好等基礎數據[10-13]，對其進行了分布式標準化分析、處理并存放于數據存儲中心統一管理，形成用戶畫像基礎數據庫。

　　數據采集方式主要是頁面標簽法[14-16]，將定制化的JavaScript等代碼植入服務平臺，當用戶對平臺頁面中的標簽進行操作時，觸發采集機制，該辦法盡可能滿足了當前平臺的服務模式，能夠在不影響用戶體驗的前提下較全面地采集用戶體驗的行為數據。對上述平臺的各大功能子模塊植入埋點，部分埋點位置如圖1～圖3所示。

　　當用戶訪問平臺或者各模塊時，觸發當前監測事件，采集數據的腳本代碼才會被觸發，從而采集用戶行為數據。埋點技術有2個比較明顯的優勢：每一個用戶的操作行為都是被單獨監測采集的，在一個頁面文件中可能會存在多個函數被植入多段代碼，這樣可以保證監測的每一個用戶的交互行為事件是獨立并且完整的;其次是每一個頁面都是獨立的，因此采集到的數據沒有重復性減少冗余，利于后期CRAP架構中RDS云庫上的存儲。因此，本文在進行埋點之前先整理并設計好需要采集的數據類型，具體植入采集數據的位置等。部分信息采集字段如表1所示。

　　信息采集表的字段將為RDS建表字段設立奠定基礎，而RDS用戶行為記錄表則作為用戶推送服務產品研發的基礎依據，主要對用戶行為數據記錄統計，有助于確定用戶使用習慣、當前狀態等信息，便于根據實際情況進行智能定制產品，也有助于后續改進或者優化相應的推送服務產品。

　　采集數據儲存于RDS阿里云庫與OSS對象存儲，由結構化的數據庫表以及JSON、txt等數據類型組成，RDS記錄表如圖4所示。基于阿里云的存儲方案，使得系統支持高并發讀寫，性能優良。同時，接口服務使用的是阿里云企業級分布式應用(EDAS)，具備高效、可靠、易拓展等巨大優勢[17-23]。

　　1.2用戶行為采集系統

　　用戶行為分析系統即CRAP架構中的Analysis分析系統，該系統主要針對存儲于RDS與OSS的用戶行為信息進行進一步分析與研究，從數據中了解用戶在氣象應用時的瀏覽方式，訪問的氣象要素與行為習慣等信息自動研制定制化氣象服務產品，具體定制產品對應方案如表2所示，并以API形式提供中間件，該分析方案的主服務部署于阿里云上自建的推送服務集群中，以較高性能與可靠性來獲取詳細的用戶行為信息及分析結果，用戶的行為分析系統整體架構如圖5所示。

　　該系統的個性化推送產品所使用數據源眾多，因此該系統針對浙江省氣象局氣象實況、預報等數據特征，研發了針對性較高的解析與加工程序，同時將其解析中間件存儲于阿里云OSS，Hbase，Redis等供后期調用。對于數據庫中的數據，為了保證訪問程序性能與服務器性能，采用將數據存儲為JSON、XML等格式作為二次交換文件使用，用戶行為分析系統可視化流程如圖6所示。